[每日NO2基于自动机器学习组合模型的模拟研究]
Kai-Kai Lu1, Jing Li1, De-Ren Liu2
1College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China.
Huan jing ke xue= Huanjing kexue
|October 25, 2024
概括
这项研究利用卫星数据和机器学习绘制了长江三角洲二氧化 (NO2) 污染的地图. 二氧化污染显示出U形空间模式,冬季是最严重的季节.
科学领域:
- 环境科学 环境科学
- 大气化学 大气化学
- 遥感 遥感 遥感 遥感
背景情况:
- 二氧化 (NO2) 是一个关键的空气污染物,对环境和健康产生重大影响.
- 了解NO2的空间分布对于有效的污染控制策略至关重要.
研究的目的:
- 模拟和分析长江三角洲地区表面NO2度的空间和时间分布.
- 评估一个集成多个机器学习算法用于NO2模拟的堆叠组合模型的性能.
主要方法:
- 使用的NO2监测站数据和热带层监测仪器 (TROPOMI) 列数据.
- 采用自动机器学习来选择和整合五个算法 (ET,RF,XGBoost,LightGBM,Catboost) 进入一个堆叠模型.
- 将人口,海拔和气象因素纳入模拟模型.
主要成果:
- 与单个算法相比,堆叠组合模型实现了更高的准确性 (RMAE=7.078,MAE=5.270).
- 确定了高NO2度的U形空间分布,汇聚在三个省的交叉点附近,延伸到西南.
- 在上海,杭州,南京和合肥周边的城市群体中观察到大量的城市NO2污染,其中27个城市超过了国家每日限量.
结论:
- 堆叠模型提供了一种可靠的方法来模拟表面NO2度.
- 长江三角洲的二氧化污染表现出明显的空间模式和季节性变化,冬季带来最大的风险.
- 对于长州和上海等高污染的城市中心,需要有针对性的干预措施.
